K Means 算法在大数据集上的性能优化研究

姜 智宇
中国联通哈尔滨软件研究院

摘要

本文旨在深入研究 K Means 算法在大数据集上的性能优化方法，以提高其在大规模数据处理中的效率和准确性。
通过理论分析，本文将探讨如何优化 K Means 算法，解决其在大数据集上面临的挑战，以满足当前大数据时代对高效数据
聚类的需求。文章将关注性能优化的基本原理、实际方法，旨在为 K Means 算法在大规模数据处理中提供创新的研究成果。

关键词

K Means 算法；大数据集；性能优化；聚类效果；计算效率

参考

[1] 郑佳炜 , 唐厂 . 自适应样本和特征加权的 k-means 算

法 [J]. 计算机应用 ,2023,43(S2):99-104.

[2] 常 荣 , 徐 敏 . 基 于 改 进 K-Means 和 DNN 算 法 的 电

力 数 据 异 常 检 测 [J]. 南 京 理 工 大 学 学 报 ,2023,47(06):790-

796+858.

[3] 宗嵩 , 曾维才 , 陈志勇 , 赵多元 , 何建军 , 黄财源 . 基

于 K-means 算法和积灰损耗系数的中国西北地区光伏电站

清洗策略建模分析 [J]. 太阳能 ,2023,(12):67-73.

[4] 陈建娇 . 高维数据的 K-harmonic Means 聚类方法及

其应用研究 [D]. 上海大学 ,2012.